Оценка состояния лесов с использованием ГИС-технологий и данных дистанционного зондирования : На примере национального парка "Валдайский"

• Автор: Акбари Хассан Хосейн джан
• Шифр специальности: 25.00.23
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Москва
• Количество страниц: 169 с. : ил.

1.1. Мониторинг лесов национальных парков

1.1.1. Критерии и индикаторы устойчивого управления лесами

1.1.2. Обоснование показателей космического мониторинга состояния лесов

1.2. Применение космических технологий в мониторинге состояния лесов

1.2.1. Современные средства космических съемок. Информативность в целях изучения лесов

1.2.2. Возможности определения показателей состояния лесов по космическим снимкам

1.3. Возможности выделения типов условий местопроизрастания древостоя на

основе цифровых моделей рельефа.

1.3.1. Экосистемные территориальные единицы растительного покрова

1.3.2. Лесотипологические территориальные единицы и их ландшафтная обусловленность

1.3.3. Возможности автоматизированного выделения типов условий местопроизрастания древостоя
1.3.4.Система морфометрических величин и их геофизический смысл
Выводы
ГЛАВА 2. объекты исследований. Исходные материалы и методика работ
2. 1. Объекты исследований
2.1.1. Общие сведения
2.1.2. Комплексная физикогеографическая характеристика национального парка
2.1.3. Особенности ландшафтной структуры территории исследований
2.2. Методы исследований полевого этапа
2.2.1. Таксационные нормативы определения параметров состояния леса
2.2.2. Методика полевых ландшафтных и лесотаксационных исследований
2.3. Камеральные методы ГИСтехнологий
2.3.1. Подготовка, обработка и получения картографической информации.
2.3.2. Получение цифровой модели местности.
2.3.3. Классификация рельефа по морфометрическим величинам
распределения геофизических полей.
2.3.4. Корреляционная связь между классами растительности и ПТК.
Выводы
ГЛАВА 3. Дешифрирование структуры растительного покрова по данным
дистанционного зондирования.
3.1. Использование спектральных каналов 1лАТ7 для получения
пространственной структуры леса
3.2.Методы анализа дистанционной информации
3.2.1 .Методы неуправляемой классификации классификация без учителя.
3.3. Дешифрирование растительного покрова
Выводы
ГЛАВА 4. Индикаторные свойства древостоя в ландшафтах краевой зоны
валдайского оледенения.
4.1. Особенности методики исследования древостоя.
4.2. Верификация дешифрирования структуры леса по результатам
лесотаксационной съемки
4.3. Ландшафтная интерпретация местообитаний древесных пород
4.3.1. Характеристика условий местообитания ели.
4.3.2. Характеристика условий местообитания сосны
4.3.3. Характеристика условий местообитания мелколиственных пород.
Выводы
4.4. Пространственные особенности распределения запасов древостоя
Выводы
ГЛАВА 5. ландшафтные условия местопроизрастания древостоя
5.1. Выделения типов условий местопроизрастания древостоя на основе
анализа морфометрических величин
5.1.2. Интерпретация распределения морфомстрических величин
5.1.3. Метод классификации поверхности рельефа.
5.2. Геофизическая дифференциации ПТК участка исследования
5.2.1. Классификация НТК участка исследования на основе геофизической интерпретации морфометрических величин
5.2.2. Анализ связи структуры лесного покрова и рельефа по данным
цифровой модели местности и сканерной космической съемки
Выводы
Заключение
Литература


Совместное использование спектральных и текстурных признаков в традиционном классификаторе максимума правдоподобия для распознавания типов лесов, лесораспггельных условий и классов фитомассы древесного яруса по снимкам МСУЭРесурсО позволило выделтъ до 9 классов типов сосновых лесов с вероятностью около , в то время как вероятность распознавания этих классов только по спектральным признакам составляла около Корец, Чсркашин, Рыжкова, . Проблеме классификации лесов на основе текстурных характеристик, с применением искусственных нейронных сетей по радиолокационным снимкам I уделяется большое внимание Назаров, , Харук, . Эксперименты показали, гго классификация на основе сшгтезированной трехслойной нейронной сети с обучением практически эквивалентна по вероятностным характеристикам классификации способом максимального правдоподобия. Натурные контрольные обследования исследуемого района показали совпадение участков хвойных лесов с соответствующими котурами, выделенными в результате классификации. Эго позволяет рассматривать данную методику как наиболее перспективную для классификации типов лесов по радиолокационным снимкам Назаров, . В ряде работ исследуется возможность применения радиолокационных съемок для определения типов леса, некоторых биометрических параметров насаждений высоты, диаметра ствола, сомкнутости крон полога и оценю запаса надземной биомассы Максимов, . Дешифрирование породного состава лесов даже по снимкам признано затруднительным ошибки составляют более , гораздо лучше распознается распггельный покров безлесной тундры.